我的大数据之路 -- 猫眼电影再战
转载请附上博文链接!
https://blog.csdn.net/qq_41562377/article/details/89791216
第一篇的猫眼电影爬取的整合性不是很强,而且整个的爬取速度较慢。
现在来一篇全猫眼电影都能爬取的,而且速度还不慢。
主要是今天在网上看到评论的一个接口,话不多说,嘿嘿嘿~~
复联四的URL
http://m.maoyan.com/mmdb/comments/movie/248172.json?
毒液的URL
http://m.maoyan.com/mmdb/comments/movie/42964.json?
大鱼
http://m.maoyan.com/mmdb/comments/movie/1202.json?
这里我要强烈推荐电影《大鱼》,真的太棒了,我敢保证,你绝对不会后悔。
提取码:mmxn
所以这次我就以《大鱼》为题,爬取它的全部评论。具体的分析之后会做,现在只是爬。
单条数据如下,和之前的所有差别,这里有cityName
{"approve": 5,"approved": false,"assistAwardInfo": {"avatar": "","celebrityId": 0,"celebrityName": "","rank": 0,"title": ""},"authInfo": "","avatarurl": "https://img.meituan.net/avatar/36ad06a40e9b70e4611cb630f9b0d5b673707.jpg","content": "《大鱼》:为了叙述一个真实感动的故事,男主人公添加了奇幻的元素作修饰,增添了童话的色彩,也一语双关地道破了儿子的对父亲的不了解!蒂姆伯顿一反过去的哥特式风格,主角也不再是德普,但是故事的衔接以及所要表达的主旨很明确:从“父亲”的身上“我”不仅学会了如何经营幸福美好的生活,而且还理解了“父亲”的苦衷以及为人处世之道的法则!在表观而言,虽是一部充满冒险的奇幻剧,而在经过了蒂姆伯顿的包装之后升华了主旨,是本片的最大亮点,也是最大的泪点,通过“父亲”每一段故事的阐述,都无时不刻不在激励每个人都应该拥有奋发图强的心态,乐观待人,冷静处事,自然会招纳更多的知心朋友!蒂姆伯顿也有煽动人心的一面,9.5分!!","filmView": false,"gender": 1,"id": 19335483,"isMajor": false,"juryLevel": 0,"majorType": 0,"movieId": 1202,"nick": "Alex_24","nickName": "Alex","oppose": 0,"pro": false,"reply": 0,"score": 4.5,"spoiler": 0,"startTime": "2015-06-26 13:08:42","supportComment": true,"supportLike": true,"sureViewed": 0,"time": "2015-06-26 13:08","userId": 162402474,"userLevel": 4,"videoDuration": 0,"vipInfo": "","vipType": 0
}
好了,我已经迫不及待了。
maoyan.py
import requests
import random
import json
from datetime import datetime, timedelta
import timeclass MaoYan():def __init__(self):#定义浏览器,让爬虫伪装成不同的浏览器,可有效降低被反爬user_agent = ['Mozilla/5.0 (Windows NT 6.1; rv:50.0) Gecko/20100101 Firefox/50.0','Mozilla/5.0 (Windows NT 6.3; WOW64; rv:50.0) Gecko/20100101 Firefox/50.0','Mozilla/5.0 (X11; Linux x86_64; rv:50.0) Gecko/20100101 Firefox/50.0','Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.98 Safari/537.36','Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0; Trident/5.0)','Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_5) AppleWebKit/602.2.14 (KHTML, like Gecko) Version/10.0.1 Safari/602.2.14','Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.71 Safari/537.36','Mozilla/5.0 (iPad; CPU OS 10_1_1 like Mac OS X) AppleWebKit/602.2.14 (KHTML, like Gecko) Version/10.0 Mobile/14B100 Safari/602.1','Mozilla/5.0 (Macintosh; Intel Mac OS X 10.11; rv:49.0) Gecko/20100101 Firefox/49.0','Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:50.0) Gecko/20100101 Firefox/50.0','Mozilla/5.0 (Windows NT 6.1; WOW64; rv:45.0) Gecko/20100101 Firefox/45.0','Mozilla/5.0 (iPhone; CPU iPhone OS 11_0 like Mac OS X) AppleWebKit/604.1.38 (KHTML, like Gecko) Version/11.0 Mobile/15A372 Safari/604.1']##定义随机函数抽取浏览器访问num = random.randint(0, 9)user_agent = user_agent[num]self.headers = {'user_agent': user_agent, #伪装'Connection': 'keep - alive', #保持连接不断'Host': 'm.maoyan.com' #增加伪装}self.fp=open('maoyan.txt','a',encoding='utf-8')def req_data(self, url):response=requests.get(url=url, headers=self.headers,timeout=5) #5秒还没请求成功就跳过try:if response.status_code==200:return response.textelse:time.sleep(3)self.req_data(url=url)except ConnectionRefusedError:passdef get_data(self, data):cmts=json.loads(data)['cmts']comments = []try:for item in cmts:comment = {'userId': item.get('userId'), # 用户ID'nick': item.get('nick'), # 用户昵称'cityName': item.get('cityName'), #城市'gender': item.get('gender'), # 用户性别'content': item.get('content'), # 用户评论'score': item.get('score'), # 用户评分'startTime': item.get('startTime'), # 时间'userLevel': item.get('userLevel') # 用户等级}comments.append(comment)return commentsexcept Exception as e:print(e)passdef save_data(self, info):infos=json.dumps(info,ensure_ascii=False)self.fp.write(infos)self.fp.write('\n')def main(self):start_time = datetime.now().strftime('%Y-%m-%d %H:%M:%S')end_time = '2003-4-25 00:00:00'while start_time > end_time:url='http://m.maoyan.com/mmdb/comments/movie/1202.json?_v_=yes&offset=15&startTime=' + start_time.replace(' ', '%20')print(url)try:response=self.req_data(url=url)except ConnectionRefusedError or Exception or ConnectionError:time.sleep(2)response=self.req_data(url=url)else:time.sleep(0.1)try:comments=self.get_data(response)start_time = comments[14]['startTime']print(start_time)start_time = datetime.strptime(start_time, '%Y-%m-%d %H:%M:%S') + timedelta(seconds=-1)start_time = datetime.strftime(start_time, '%Y-%m-%d %H:%M:%S')for item in comments:print(item)self.save_data(item)except IndexError:time.sleep(2)start_time = datetime.strptime(start_time, '%Y-%m-%d %H:%M:%S') + timedelta(seconds=-2)start_time = datetime.strftime(start_time, '%Y-%m-%d %H:%M:%S')if __name__ == '__main__':MY = MaoYan()MY.main()
代码是写好了,但是只爬到159条数据看了整个猫眼
差点自闭,就差一点,那么好的电影,咋地没人评论咧。
分析原因是年代久远,大鱼是2003年上映的,这时还没有猫眼吧,我猜的。
那就变一个,来个小可爱 毒液的。
变化的地方
0)self.fp=open('maoyan.txt','a',encoding='utf-8') #这里你可能要更改文件名
1)end_time = '2018-11-09 00:00:00'
2)url='http://m.maoyan.com/mmdb/comments/movie/42964.json?_v_=yes&offset=15&startTime=' + start_time.replace(' ', '%20')
3)可能要变 while start_time > end_time 里面的 大于号 转成 小于号
爬取成功,能爬9W多条,足够分析了。
谢谢大家观看。
注:只做学习使用,商业用途等自行负责。
我的大数据之路 -- 猫眼电影再战相关推荐
- 2018年贺岁档电影票房大数据报告!国产电影的黄金时代已经到来?
要说春节期间哪里人最多,电影院若是第二,估计没人敢说第一.尤其在2018年春节档(2月16日--2月21日)更是创下了近57亿的票房,较2017年的33.4亿增长了70%,成为了内地史上最强贺岁档! ...
- 阿里巴巴大数据之路——数据模型篇
阿里巴巴大数据之路--数据模型篇 一.概述 1.什么是数据模型? 数据模型就是数据的组织和存储方法.主要关注的是从业务.数据存取和使用角度合理存储数据. 2.典型数据仓库建模方法论 ER模型 纬度模型 ...
- 大数据之路:阿里巴巴大数据实践,附339页PPT下载
7份关于大数据的资料都整理好了,需要的自取,获取方式:转发+私信我回复:大数据 1.<大数据之路:阿里巴巴大数据实践> 2014年,马云提出,"人类正从IT时代走向DT时代&qu ...
- 品《阿里巴巴大数据实践-大数据之路》一书(上)
7月有人推荐阿里巴巴刚出的这本书<阿里巴巴大数据实践-大数据之路>,到亚马逊一看才是预售状态,拍下直到8月才拿到. 翻看目录一看,欢喜的很,正好出差两天就带在身边,由于在机场滞留超过12个 ...
- 阿里大数据之路 总述
大数据之路 一.总述 1. 数据采集 2. 数据计算 3. 数据服务 4. 数据应用 一.总述 数据有序.有结构地分类和存储,从而产生价值. 实时:数据量大,要实时.准确 离线:采集.存储.计 ...
- 《大数据之路:阿里巴巴大数据实践》-第3篇 数据管理篇 -第15章 数据质量
<大数据之路:阿里巴巴大数据实践>系列丛书 第1章 总述 第1篇 数据技术篇 第2章 日志釆集 第3章 数据同步 第4章 离线数据开发 第5章 实时技术 第6章 数据服务 第 ...
- 淘宝走过的大数据之路
回顾丨13年来,淘宝走过的大数据之路 来源:CSDN大数据 时间:2016-11-07 10:19:15 作者: - 淘宝大数据之路 - 2003年至今淘宝网从零开始飞速发展,走过了13个年头,支撑淘 ...
- 大数据之路读书笔记-16数据应用
大数据之路读书笔记-16数据应用 全球知名咨询公司麦肯锡称:"数据,已经 透到当今每一个行业和业务职能领域,成为重要的生产要素.人们对于海量数据的挖掘和运用,预示着新一波生产率增长和消费者盈 ...
- 数据库仓工具箱及阿里大数据之路--阅读总结
一.数据仓库工具箱 1.主要内容 结合业务场景,阐述 1.维度建模以及事实表的基本及相关概念. 2.根据业务主题的总线矩阵图,梳理业务流程.指标以及对应的维度. 3.关于事实表的阐述. 4.企业层面的 ...
- 大数据之路系列之Linux命令(01)
大数据之路系列之Linux命令(01) 提示:常用Linux命令合集 第一章 Linux命令 Linux命令 大数据之路系列之Linux命令(01) 一.文件查看 1.查看当前目录 2.列出所有文件 ...
最新文章
- R语言ggplot2可视化:可视化饼图分面图并在图中添加数据标签
- java derby 用户安全_Java 7u51安全权限变化,运行derby server被拒,解决方法
- TP5:异常处理封装——3
- JAVA如何取得空list成员类型_String 类型的List作为一个成员变量保存,保存成功后取对象时报空指针...
- 数据库---事务的隔离级别
- python语句print(type([1、2、3、4))_Python 学习第一天
- caffe loss层
- BZOJ4358: permu(带撤销并查集 不删除莫队)
- Mybatis中Mapper.xml文件sql中动态获取----#{}和${}区别
- 怎么查看raid0或者raid5_海康监控磁盘阵列怎么配置?一文了解清楚
- 用C#读取数码相片的EXIF信息(一)
- wincc与第三方软件opc通讯_运用OPC实现WinCC与西门子SIMOTION的通讯
- 如何删除ppt自带背景音乐_ppt模板里自带的背景乐怎么去掉?
- 关于自定View的ViewGroup (嵌套View)
- 机器视觉:工业相机专业词汇中英文详解
- android ptp 源码分析,ptp增加豆瓣评分
- el-form和el-col响应式布局
- 新纪元财务、进销存一体化软件 v4.0 官方
- 微信小程序瀑布流的实现
- Rust学习第九天——控制测试运行